基于劃區(qū)域暗通道算法的農(nóng)田圖像去霧研究

摘要：為了提高農(nóng)田圖像去霧的效果，提出劃區(qū)域暗通道算法。通過雙閾值把有霧圖像劃分為遠(yuǎn)景區(qū)域、近景區(qū)域、中間區(qū)域;不同區(qū)域采用不同的透射率計(jì)算方法，遠(yuǎn)景區(qū)域的透射率計(jì)算基于非線性容差機(jī)制，近景區(qū)域的透射率計(jì)算基于修正因子，中間區(qū)域的透射率計(jì)算基于引導(dǎo)濾波;再利用全局大氣光照度和各區(qū)域的透射率得到去霧圖像，并給出算法流程。試驗(yàn)仿真結(jié)果表明，與其他去霧算法相比，該算法提高了去霧圖像的可見性，平均梯度評價(jià)指標(biāo)值為0.106，均方誤差評價(jià)指標(biāo)值為20，結(jié)構(gòu)相似度評價(jià)指值為0.97，評價(jià)指標(biāo)較優(yōu)。

關(guān)鍵詞：農(nóng)田圖像去霧;遠(yuǎn)景區(qū)域;近景區(qū)域;中間區(qū)域;透射率

中圖分類號： TP391.41? 文獻(xiàn)標(biāo)志碼： A

文章編號：1002-1302（2021）20-0201-04

收稿日期：2021-04-05

基金項(xiàng)目：河南省重點(diǎn)研發(fā)與推廣專項(xiàng)科技攻關(guān)項(xiàng)目（編號：212102210385）;河南省高等職業(yè)學(xué)校青年骨干教師培養(yǎng)計(jì)劃（編號：2019GZGG026）;鶴壁職業(yè)技術(shù)學(xué)院校本科技類重點(diǎn)課題（編號：2020-KJZD-002）。

作者簡介：邵明?。?980—），男，河南滑縣人，碩士，副教授，主要從事圖像、信息處理以及應(yīng)用研究。E-mail：wapinetcn@126.com。

霧是由微小液滴組成的氣溶膠，屬于自然界常見的天氣現(xiàn)象，特別在農(nóng)田原野間常常有霧出現(xiàn)，這種天氣對農(nóng)業(yè)生產(chǎn)中圖像信息采集產(chǎn)生極大的影響，采集到的圖像會出現(xiàn)對比度降低等情況，導(dǎo)致場景目標(biāo)細(xì)節(jié)信息丟失[1]。因此，對農(nóng)田圖像進(jìn)行去霧處理，對提高農(nóng)田圖像質(zhì)量具有重要意義。目前研究農(nóng)田圖像去霧的算法有以下幾種：第一，暗通道先驗(yàn)算法（dark channel prior，DCP）[2]，其假設(shè)無霧圖像中的暗通道值接近于0，但這種假設(shè)適合場景存在局限性，且算法復(fù)雜度較高，不利于實(shí)時(shí)去霧。第二，暗通道先驗(yàn)和亮度增強(qiáng)（dcp and brightness enhancement，DCPBE）算法[3]，其圖像的熵和平均梯度都有所提高，但只有暗通道窗口尺寸、大氣光照度值、透射率達(dá)到最佳組合才能取得滿意效果。第三，自適應(yīng)雙通道先驗(yàn)算法（adaptive bi-channel priors，ABCP），該算法結(jié)合暗通道和亮通道先驗(yàn)，能夠更有效地估計(jì)局部透射率和大氣光照度[4]，修正白像素和黑像素的傳輸和大氣光照度的任何不正確估計(jì)，農(nóng)田圖像去霧對像素具有良好的保真度。第四，環(huán)型濾波器和暗通道先驗(yàn)算法（surround filter and dark channel prior，SFDCP）[5]，環(huán)型濾波器用來提高農(nóng)田圖像去霧中對速度和存儲的要求，其缺點(diǎn)是中心環(huán)的值不能隨意選擇，不同場景的有霧圖像需要不同中心環(huán)的值。第五，物理模型與暗通道先驗(yàn)（physical model and dark channel prior，PMDCP）[6]，其基于變差函數(shù)對大氣光照度進(jìn)行選擇，把不符合暗通道的區(qū)域削弱，但是沒有將大氣散射物理模式的不同大氣光照度應(yīng)用到有霧圖像的不同區(qū)域。上述算法沒有考慮到圖像遠(yuǎn)景、近景、中間區(qū)域，算法的應(yīng)用場景存在局限性。本研究在暗通道算法的基礎(chǔ)上，提出劃區(qū)域暗通道算法（divided region dark channel prior，DRDCP）把圖像劃分為不同的區(qū)域，即遠(yuǎn)景區(qū)域、近景區(qū)域、中間區(qū)域，區(qū)分暗通道分量不趨近于0的情況，遠(yuǎn)景、近景、中間區(qū)域的透射率通過不同方法計(jì)算，這樣農(nóng)田圖像去霧的效果更接近真實(shí)色彩，且評價(jià)指標(biāo)較優(yōu)。

1 劃區(qū)域暗通道算法

1.1 農(nóng)田有霧圖像退化模型

根據(jù)大氣光的散射，農(nóng)田有霧圖像退化模型表示為

I（x）=J（x）t（x）+A[1-t（x）]。（1）

式中：I（x）表示有霧圖像;J（x）表示在無霧天氣條件下獲得的圖像;A表示圖像全局大氣光照度;t（x）∈（0，1）表示太陽直射光的霧化透射率;J（x）t（x） 表示光線傳遞時(shí)的直接減弱項(xiàng);A[1-t（x）]表示大氣光散射成像，農(nóng)田圖像去霧從I（x）中恢復(fù)J（x）、A和t（x）[7]。

1.2 遠(yuǎn)景、近景區(qū)域劃分

暗通道算法對整幅圖像進(jìn)行先驗(yàn)估計(jì)，整幅圖像灰度的均值近似為霧的濃度，同時(shí)天空區(qū)域近似為霧濃度最大值，但這樣導(dǎo)致在天空明亮區(qū)域，該區(qū)域無法計(jì)算出像素值為0的像素點(diǎn)，估計(jì)的暗通道值會很高，幾乎與大氣光照度一樣，進(jìn)而導(dǎo)致恢復(fù)出的圖像顏色偏暗[8]。對暗通道算法進(jìn)行改進(jìn)，計(jì)算有霧圖像的灰度均值 T? 和灰度直方圖，尋找直方圖最大值向最小值變化的第1個(gè)谷點(diǎn)，小于 T? 的第1個(gè)谷底計(jì)算為閾值α;大于 T的第1個(gè)谷峰計(jì)算為閾值β。通過α、β來劃分不同區(qū)域，當(dāng)有霧圖像的暗通道值小于α?xí)r，將其判定為圖像的近景區(qū)域;當(dāng)有霧圖像的暗通道值大于β時(shí)，將其判定為圖像的遠(yuǎn)景區(qū)域;暗通道值介于α、β之間，為中間區(qū)域。記c∈{r，g，b}為圖像任意一個(gè)通道;（m，n）、（p，q）分別為圖像中所有像素的{r，g，b}三色暗通道的最小值、最大值所在位置。當(dāng)圖像位置（i，j）處于minc∈{r，g，b}Ic（i，j）≤α?xí)r，則該位置為近景區(qū)域;當(dāng)minc∈{r，g，b}Ic（i，j）≥β時(shí)，該位置為遠(yuǎn)景區(qū)域;當(dāng)α

1.3 有霧圖像透射率計(jì)算

1.3.1 基于非線性容差機(jī)制的遠(yuǎn)景區(qū)域透射率計(jì)算

引入容差參數(shù)K，當(dāng)|I（x）-A|>K時(shí)，滿足暗原色先驗(yàn)的區(qū)域，保持原來的透射率不變;當(dāng) |I（x）-A|≤K 時(shí)，須對透射率t（x）修正[9]，透射率重新計(jì)算為

t′（x）=minmaxK|I（x）-A|，1×max[t（x），t0]，1。（2）

式中：t0表示透射率下限，取值為0.1。

當(dāng)K為0時(shí)，還原為暗通道算法，K依據(jù)圖像中天空區(qū)域的多少而變化，當(dāng)天空區(qū)域在圖像中較多時(shí)，K取值較大，可取220～245;當(dāng)天空區(qū)域在圖像中較少時(shí)，K取值較小，可取5～30。

即使遠(yuǎn)景區(qū)域，圖像的透射率屬于非線性變化，因此增設(shè)絕對值Sigmoid函數(shù)S（x）。

S（x）=11+e-x。（3）

這樣非線性控制為

t″（x）=minmaxK|I（x）-A|S（x），1×max[t（x），t0]，1。（4）

故t″（x）相比t′（x），其透射率提升能力增強(qiáng)。

1.3.2 基于修正因子的近景區(qū)域透射率計(jì)算

透射率在一個(gè)局部區(qū)域內(nèi)并非一直保持不變，去霧后圖像會有一些白邊現(xiàn)象[10]。引入修正因子γ對透射率t（x）進(jìn)行修正可得t（x）。

t（x）=min[γ×t（x），1]

γ=e-（p（i，j）-c）22σ2? p（i，j）>c

-e-（p（i，j）-c）22σ2 p（i，j）≤c。（5）

式中：p（i，j）∈（0，1），表示位置（i，j）的像素灰度值;σ表示像素灰度值方差;c表示像素灰度值均值。

當(dāng)p（i，j）值越大時(shí)，說明此處覆蓋在圖像的霧濃度就越小，就應(yīng)該減少透射率值;當(dāng)p（i，j）值越小時(shí)，說明此處覆蓋在圖像的霧濃度就越大，就應(yīng)該增加透射率值。這樣修正因子根據(jù)像素灰度歸一化值自適應(yīng)的選擇透射率。

1.3.3 基于引導(dǎo)濾波的中間區(qū)域透射率計(jì)算 采用引導(dǎo)濾波對透射率進(jìn)行估計(jì)。

t″″（x）=akIi+bk

E（ak，bk）=∑i∈wk[（akIk+bk-t（x））2+εa2k]。（6）

式中：常量ak、bk表示線性系數(shù);wk表示引導(dǎo)圖I中以k為中心的窗口，i∈wk;E（ak，bk）表示最小代價(jià)函數(shù);ε表示調(diào)整因子，防止ak取值過大。

最優(yōu)系數(shù)組合（ak、bk）須要引導(dǎo)濾波將輸出圖像與輸入圖像之間的差異最小化而獲得，把透射率圖作為輸入圖像，使之進(jìn)行自引導(dǎo)濾波處理，逐漸增加濾波半徑，雖然這樣能夠?qū)D像的邊緣細(xì)節(jié)進(jìn)行優(yōu)化，此時(shí)圖像信息熵較好[11]，但如果濾波半徑過大，會使去霧圖像出現(xiàn)過亮現(xiàn)象，為了平衡圖像信息熵和圖像亮度，增設(shè)圖像倍乘因子μ。

I′（x）=μ[I（x）-qj（x）]+qj（x）。（7）

式中：qj（x）表示第j次引導(dǎo)濾波后的圖像。當(dāng)μ增大時(shí)，會使得去霧圖像的信息熵增加，但也會導(dǎo)致圖像亮度降低。

1.4 無霧圖像恢復(fù)

在得到全局大氣光照度和各區(qū)域的透射率后，可估計(jì)出無霧圖像。

J（x）=I（x）-Amax[t″（x），0.1]+I（x）-Amax[t（x），0.1]+I（x）-Amax[t″″（x），0.1]+A。（8）

算法流程如下：第一，輸入圖像;第二，通過雙閾值α、β對圖像劃分遠(yuǎn)景區(qū)域、近景區(qū)域、中間區(qū)域;第三，按公式（3）進(jìn)行遠(yuǎn)景區(qū)域透射率計(jì)算;第四，按公式（4）進(jìn)行近景區(qū)域透射率計(jì)算;第五，按公式（5）、公式（6）進(jìn)行中間區(qū)域透射率計(jì)算;第六，按公式（7）進(jìn)行農(nóng)田圖像去霧;第七，輸出去霧圖像。

2 試驗(yàn)仿真結(jié)果與分析

在試驗(yàn)對比中，計(jì)算機(jī)操作系統(tǒng)為Win7，CPU為3.6 GHz，內(nèi)存為12 GB，軟件環(huán)境為Matlab 7.0。涉及到的算法有DCP、DCPBE、ABCP、SFDCP、PMDCP、DRDCP。

2.1 視覺效果分析

有霧圖像各種算法處理效果分析見圖1、圖2。由圖1、圖2可知，DCP算法使得農(nóng)田圖像去霧后色彩偏暗，同時(shí)對天空區(qū)域處理暗通道規(guī)則無法適應(yīng);DCPBE算法霧霾并沒有完全消除，低估了圖像透射率的值;ABCP算法能夠恢復(fù)一些顏色的亮度，相比He算法圖像亮度有所提升;SFDCP算法去霧效果存在差異性，不適合不同場景的有霧圖像;PMDCP算法同樣使得去霧圖像顏色偏暗，區(qū)域邊緣細(xì)節(jié)去霧效果差。本研究DRDCP算法對有霧圖像劃分不同的區(qū)域，增強(qiáng)了圖像中的邊緣細(xì)節(jié)信息，并大大提高了圖像的可見性，可以看清楚農(nóng)田遠(yuǎn)處的樹木、近處的植物。

2.2 評價(jià)指標(biāo)分析

評價(jià)指標(biāo)分析主要有平均梯度（average gradient，AveGrad）、均方誤差（mean squared error，MSE）、結(jié)構(gòu)相似度（structuralsimilarity，SS）構(gòu)成，

結(jié)構(gòu)相似度計(jì)算公式為：

SS=2μIμJ+C1）（2σi，j+C2）（μ2I+μ2J+C1）（σ2I+σ2J+C2）。（9）

式中：I表示參考圖像;J表示待評價(jià)圖像;μI、μJ、σIσJ 分別表示參考圖像、待評價(jià)圖像所對應(yīng)的均值與方差;C1和C2表示常數(shù)值;σIJ表示參考圖像、待評價(jià)圖像之間的協(xié)方差。SS取值范圍為[0，1]，其值越大，則去霧前后的結(jié)構(gòu)相似度越高，算法的結(jié)構(gòu)保持性能越好。各經(jīng)過40次試驗(yàn)，對圖1進(jìn)行處理，結(jié)果分析見圖3、圖4、圖5。

由圖3、圖4、圖5可知，本研究算法的平均梯度評價(jià)指標(biāo)值為0.106，均方誤差評價(jià)指標(biāo)值為20，結(jié)構(gòu)相似度評價(jià)指值為0.97，評價(jià)指標(biāo)優(yōu)于其他算法。

3 總結(jié)

本研究采用劃區(qū)域暗通道算法對農(nóng)田圖像去霧，通過雙閾值將圖像劃分為不同區(qū)域，并針對不同區(qū)域采用不同的方法計(jì)算透射率。試驗(yàn)仿真結(jié)果表明，本研究算法能夠有效地去除圖像中的霧氣，評價(jià)指標(biāo)相比其他算法較好，為農(nóng)田圖像去霧研究提供了一種新方法。

參考文獻(xiàn)：

[1]姜德晶，王樹臣，曾 勇，等. 基于圖像分割映射的農(nóng)業(yè)機(jī)器人視覺去霧方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2016，47（11）：25-31.

[2]He K M，Sun J，Tang X O. Single image haze removal using dark channel prior[C]//Proceedings of the 2011 IEEE Conference on Computer Vision and Pattern Recognition Workshops.Washington，DC：IEEE Computer Society，2011：1956-1963.

[3]Zhang J W，Wang X Y，Yang C H，et al.Image dehazing based on dark channel prior and brightness enhancement for agricultural remote sensing images from consumer-grade cameras[J]. Computers and Electronics in Agriculture，2018，151：196-206.

[4]Jiang Y T，Sun C M，Zhao Y，et al.Image dehazing using adaptive bi-channel priors on superpixels[J]. Computer Vision and Image Understanding，2017，165：17-32.

[5]Nair D，Sankaran P.Color image dehazing using surround filter and dark channel prior[J]. Journal of Visual Communication and Image Representation，2018，50：9-15.

[6]Wang J B，He N，Zhang L L，et al.Single image dehazing with a physical model and dark channel prior[J]. Neurocomputing，2015，149：718-728.

[7]田 源. 基于混合遠(yuǎn)景和近景區(qū)域暗通道算法的圖像去霧研究[J]. 計(jì)量學(xué)報(bào)，2019，40（4）：583-588.

[8]杜宏博，王麗會. 基于改進(jìn)暗原色先驗(yàn)?zāi)Ｐ偷目焖賵D像去霧方法[J]. 計(jì)算機(jī)工程與應(yīng)用，2016，52（1）：178-184.

[9]龔昌來，羅 聰. 一種改進(jìn)的容差機(jī)制圖像去霧算法[J]. 液晶與顯示，2016，31（11）：1098-1104.

[10]吳開興，張 琳，李麗宏. 煤礦井下霧塵圖像清晰化算法[J]. 工礦自動(dòng)化，2018，44（3）：70-75.

[11]趙春麗，董靜薇. 基于暗通道及多尺度Retinex的霧霾天氣圖像增強(qiáng)算法[J]. 激光雜志，2018，39（1）：104-109.